Aufgabe 1 - Explorative Analyse

Der Datensatz movies2019.csv enthält die im Jahr 2019 erschienenen Filme, kategorisiert nach Filmstudio (Distributor) und Genre sowie die mit dem jeweiligen Film erzielten Umsätze (2019 Gross).

📄 movies2019.csv 408 Zeilen · 7 Spalten

Rank	Movie	Release Date	Distributor	Genre	2019 Gross	Tickets Sold
1	Avengers: Endgame	Apr 26, 2019	Walt Disney	Action	$857,190,335	94,093,340
2	Captain Marvel	Mar 8, 2019	Walt Disney	Action	$426,829,839	46,852,891
3	Toy Story 4	Jun 21, 2019	Walt Disney	Adventure	$404,979,743	44,454,417
…	…	…	…	…	…	…

a) DataFrame einlesen

Lesen Sie den Datensatz in einen Pandas DataFrame ein und zeigen Sie die ersten fünf Zeilen an.

Lösung:

🐍 Python task1

import pandas as pd

df = pd.read_csv('movies2019.csv')
print(df.head().to_string())

▶ Code ausführen

Output:

–

b) Count Plot

Erstellen Sie einen Count Plot der Spalte Genre. Achten Sie auf eine geeignete Größe für den Plot.

Lösung:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('movies2019.csv')

# Häufigkeit jedes Genres zählen
genre_counts = df['Genre'].value_counts()

# figsize=(12, 5) sorgt für genug Breite, damit die Genre-Labels nicht überlappen
fig, ax = plt.subplots(figsize=(12, 5))
ax.bar(genre_counts.index, genre_counts.values)

ax.set_xlabel('Genre')
ax.set_ylabel('Anzahl Filme')
ax.set_title('Anzahl Filme pro Genre')

# Labels um 30° drehen, damit sie leserlich bleiben
plt.xticks(rotation=30, ha='right')
plt.tight_layout()
plt.show()

c) Datentyp-Konvertierung

Der Typ der Spalte 2019 Gross ist String. Um mit dieser Spalte weiterarbeiten zu können, müssen die Strings in Zahlenwerte gewandelt werden.

Führen Sie diese Umwandlung durch und ermitteln Sie den Gesamtumsatz der 2019 veröffentlichten Filme.

Hinweis: Wenden Sie die Funktion apply auf die Spalte 2019 Gross mit einer geeigneten Funktion an.

Lösung:

🐍 Python task2

import pandas as pd

df = pd.read_csv('movies2019.csv')

# Schritt 1: $ und Kommas entfernen, dann zu float konvertieren
df['2019 Gross'] = df['2019 Gross'].apply(lambda x: float(x.replace('$', '').replace(',', '')))

# Schritt 2: Gesamtumsatz summieren
total = df['2019 Gross'].sum()
print(f'Gesamtumsatz 2019: ${total:,.0f}')

▶ Code ausführen

Output:

–

d) Summenstatistik nach Genre

Erstellen Sie eine Summenstatistik für die Spalte 2019 Gross nach Genre. In welche Genres fallen die meisten bzw. wenigsten Filme?

Hinweis: Verwenden Sie die DataFrame-Methode groupby.

Lösung:

🐍 Python task3

import pandas as pd

df = pd.read_csv('movies2019.csv')
df['2019 Gross'] = df['2019 Gross'].apply(lambda x: float(x.replace('$', '').replace(',', '')))

# Gesamtumsatz nach Genre
umsatz = df.groupby('Genre')['2019 Gross'].sum().sort_values(ascending=False)
print("Gesamtumsatz nach Genre:")
print(umsatz.apply(lambda x: f'${x:,.0f}').to_string())

print()

# Anzahl Filme nach Genre
anzahl = df.groupby('Genre').size().sort_values(ascending=False)
print("Anzahl Filme nach Genre:")
print(anzahl.to_string())

print()
print(f"Meisten Filme:   {anzahl.index[0]} ({anzahl.iloc[0]})")
print(f"Wenigsten Filme: {anzahl.index[-1]} ({anzahl.iloc[-1]})")

▶ Code ausführen

Output:

–

e) Barplot nach Genre

Erstellen Sie einen Barplot mit Genre auf der x-Achse und Gesamtumsatz auf der y-Achse. Wählen Sie wieder eine geeignete Größe für den Plot.

Lösung:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('movies2019.csv')
df['2019 Gross'] = df['2019 Gross'].apply(lambda x: float(x.replace('$', '').replace(',', '')))

# Gesamtumsatz pro Genre summieren und absteigend sortieren
umsatz = df.groupby('Genre')['2019 Gross'].sum().sort_values(ascending=False)

# figsize=(12, 5) sorgt für genug Breite, damit die Genre-Labels nicht überlappen
fig, ax = plt.subplots(figsize=(12, 5))
ax.bar(umsatz.index, umsatz.values / 1e9)

ax.set_xlabel('Genre')
ax.set_ylabel('Gesamtumsatz (in Mrd. $)')
ax.set_title('Gesamtumsatz 2019 nach Genre')
plt.xticks(rotation=30, ha='right')
plt.tight_layout()
plt.show()

f) Barplot nach Monat

Erstellen Sie einen Barplot, der die Gesamtumsätze nach Monat der Erscheinung visualisiert.

Hinweis: Sie müssen eine Transformation der Spalte Release Date durchführen.

Lösung:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('movies2019.csv')
df['2019 Gross'] = df['2019 Gross'].apply(lambda x: float(x.replace('$', '').replace(',', '')))

# Monat aus Release Date extrahieren
df['Monat_num'] = pd.to_datetime(df['Release Date']).dt.month
df['Monat_name'] = pd.to_datetime(df['Release Date']).dt.strftime('%b')

# Gesamtumsatz nach Monat, chronologisch sortiert
monat_umsatz = df.groupby(['Monat_num', 'Monat_name'])['2019 Gross'].sum().reset_index()
monat_umsatz = monat_umsatz.sort_values('Monat_num')

fig, ax = plt.subplots(figsize=(12, 5))
ax.bar(monat_umsatz['Monat_name'], monat_umsatz['2019 Gross'] / 1e9)

ax.set_xlabel('Monat')
ax.set_ylabel('Gesamtumsatz (in Mrd. $)')
ax.set_title('Gesamtumsatz 2019 nach Erscheinungsmonat')
plt.tight_layout()
plt.show()

g) Top-Distributoren

Summieren Sie die Gesamtumsätze 2019 gruppiert nach Distributor und sortieren Sie absteigend. Welche fünf Distributoren haben den größten Gesamtumsatz 2019 erzielt? Nennen Sie diese.

Lösung:

🐍 Python task4

import pandas as pd

df = pd.read_csv('movies2019.csv')
df['2019 Gross'] = df['2019 Gross'].apply(lambda x: float(x.replace('$', '').replace(',', '')))

# Gesamtumsatz nach Distributor gruppieren und absteigend sortieren (alle 22 Distributoren)
umsatz = df.groupby('Distributor')['2019 Gross'].sum().sort_values(ascending=False)

# Nur die Top 5 ausgeben
print("Top 5 Distributoren nach Gesamtumsatz 2019:")
print()
for i, (name, wert) in enumerate(umsatz.head(5).items(), 1):
    print(f"{i}. {name}: ${wert:,.0f}")

▶ Code ausführen

Output:

–

h) Fehlende Information

Welche Information fehlt in diesem Datensatz, um den „Erfolg” eines Distributors beurteilen zu können?

Lösung:

Es fehlen die Produktionskosten bzw. das Budget der Filme. Nur anhand des Umsatzes lässt sich kein Rückschluss auf die Profitabilität ziehen. Ein Film mit hohem Umsatz kann trotzdem ein wirtschaftlicher Misserfolg sein, wenn das Budget noch höher war.